1) Xác định mục tiêu & vai trò

Công thức: [Role] + [Task] + [Audience].
Ví dụ (VN → email):
“Bạn là chuyên viên CSKH. Viết email xin lỗi khách vì giao hàng chậm cho khách hàng doanh nghiệp; giọng điệu chuyên nghiệp, 120–150 từ, có phương án đền bù.”

Vì sao hiệu quả: đóng khung ngữ cảnh ngay từ đầu, tránh trả lời chung chung. 

2) Cung cấp bối cảnh đủ sâu

Nêu dữ liệu, ràng buộc nghiệp vụ, định nghĩa KPI, nguồn tham chiếu, ai sẽ đọc.
Ví dụ (BI):
“Dùng doanh thu ròng = doanh thu – giảm giá – hoàn tiền. Nhắm đến C-level; ưu tiên insight MoM, YoY; ngành FMCG.”

Mẹo: Đưa 3–5 gạch đầu dòng bối cảnh là đủ; đừng đính kèm “tiểu thuyết”.

3) Chỉ định đầu ra thật rõ (format, độ dài, cấu trúc)

• Dạng: bullet, bảng, JSON, Markdown.
• Độ dài: số từ/ký tự.
• Trật tự: mục 1→2→3.
  Ví dụ (bảng KPI):
  “Xuất bảng Markdown gồm cột: KPI | Công thức | Nguồn dữ liệu | Tần suất cập nhật. Tối đa 8 dòng.”

4) Gắn tiêu chí chất lượng & ràng buộc

• “Không bịa số liệu; nếu thiếu dữ liệu → nêu giả định/đề xuất cách thu thập.”
• “Ngôn ngữ tiếng Việt, tránh thuật ngữ khó; có CTA cuối bài.”
• “Nếu có rủi ro đạo đức/pháp lý → khuyến cáo ngắn.”

Ví dụ (bài blog): “Tối thiểu 3 mục chính, có ví dụ thực tế, có 1 checklist cuối.”

5) Dùng few-shot (đưa mẫu tốt/xấu)

Cho 1–2 ví dụ I/O để mô hình “bắt pattern”.
Ví dụ (phân loại phản hồi khách):

• Input (good): “Hàng đến trễ 3 ngày, tôi không hài lòng.” → Label: “Tiêu cực – giao hàng chậm”.
• Input (bad): “Giá ổn.” → Label: “Trung tính – giá”.

Hiệu quả: tăng độ chính xác mà không cần fine-tune.

6) Yêu cầu tự kiểm tra & cải thiện

Thêm bước “soát lỗi” & “đề xuất chỉnh”.
Ví dụ:
“Sau khi trả lời, tự kiểm tra: (1) đúng mục tiêu? (2) đúng format? (3) có thiếu dữ liệu/giả định? → đề xuất 1–2 cải tiến.”

7) Đặt guardrails để giảm “bịa” & lệch hướng

• “Nếu không chắc → nói ‘không đủ thông tin’ và đề xuất câu hỏi bổ sung.”
• “Không tiết lộ suy luận nội bộ; chỉ trả kết quả ngắn gọn.”
• “Ưu tiên trích nguồn/citation khi có dữ liệu ngoài.”

Bonus – tham số: khi dùng API có thể điều chỉnh temperature (sáng tạo) và max_tokens (độ dài) cho phù hợp: báo cáo nghiêm túc → nhiệt thấp; ý tưởng marketing → nhiệt cao.

Muốn học Prompt Engineering ứng dụng vào Data/BI/Marketing với mentor thực chiến?

MCI Academy – SQL, Python, Power BI, Data Engineering, GenAI.

📞 Hotline: 0352.433.233
📧 Email: cskh@mcivietnam.com

👉 Đăng ký ngay để học tích hợp API vào Power BI – và làm chủ dashboard kết nối dữ liệu real-time